Fattigdom og andre fordelingskriterier M. Azhar Hussain Lektor, [email protected] Roskilde Universitet Institut for Samfund og Globalisering Seminar: Øget Ulighed – hvorfor? Fredag 26/9-2014, kl. 9-15. Netværk for økonomisk politisk debat (NETØK). Emner  Velfærdsmål  Fattigdomsgrænsen  Målemetoder  Traditionelle  Andre mål  Fattigdom og ulighed  Ikke-monetære mål  Afsavn  Multidimensionale mål Velfærdsmålet  Hvordan skal vi måle velfærd?  Til brug for fordelingsanalyser anvendes  Disponibel indkomst  Alle indtægter minus direkte skatter for familien  Både markedsindkomst og transfereringer  Ækvivalensvægtning  Men hvad med  Offentligt forbrug  (subsidiering af) børnepasning  Uddannelse  Sundhedsydelser  Uklar effekt på fordeling…  Indirekte skatter  Moms, afgifter  Uformelle indkomster (ikke så stort problem i DK!)  Sort arbejde  Forældres støtte af studerende børn Fattigdomsgrænsen  Selv når vi har relevant indkomst på plads  Hvor skal vi sætte grænsen for fattigdom?  Nemmere i udviklingslande: prisen på kalorier og minimalt non-food forbrug  Absolut grænse  Traditionelt primært arbitrære grænser      En pct.andel af et centralt mål for indkomstfordelingen Oftest medianen (50 pct.s-fraktilen), 50 % under og 50 % over I Danmark bruges 50 % af median I EU 60 % af median … ret afgørende for dansk niveau Relativ fattigdomsgrænse .4 .3 Median Gennemsnit .2 Fattigdomsgrænse .1 Indkomstfordeling 0 Andel fattige 0 100 200 300 400 500 Ækvivaleret disponibel indkomst, 1.000 kr., (Y) 600  Relativ grænse => hvis alle bliver X % rigere, så er fattigdommen uændret  Rimeligt?  …demokratisk vedtaget ydelser følger lønudvikling  Alternativt: en absolut grænse  Alene regulering med priser => forstørres gap pga realvækst  Men selv med relativ grænse – umuligt at afskaffe fattigdom?  Nej…mindre ulighed => mindre fattigdom .7 .6 Mere lige indkomstfordeling .2 .3 .4 .5 Fattigdomsgrænse 0 .1 Indkomstfordeling 0 100 200 300 400 500 Ækvivaleret disponibel indkomst, 1.000 kr., (Y) 600  Budgetmetoden  Er i princippet lidt den metode man benytter i udv.lande  Men i stedet for et target-kalorieniveau har man et forbrugs- target  Man sammensætter forbrugskurv for normalt eller discountforbrug (standardforbrug!)  Omkostninger opdateres hvert år med priser og faste mængder  Fordel: ikke en længere en arbitrær fattigdomsgrænse  Ulempe: substitution i forbruget tillades ikke. Problem når relative priser ændres → omkostningerne for standardforbrug overvurderes over tid. Kan delvist løses ved at opdatere selve forbrugskurven (ind i mellem)  Hvem medtager vi ikke?  Ofte ekskluderes studerende  Livsindkomsten er høj…  …men noget forbrug kan ikke ses over livsforløb: fx spædbørns korrekte ernæringsmæssige behov er vigtige  Ofte ekskluderes ikke-hjemmeboende børn under 18 år  Nogle er på institution andre hos plejefamilie  De udgør omkring 50.000 personer Andre fattigdomsmål  Problemer med ”andel fattige”  Givet niveau for fattigdom: ufølsomt over for fattigere fattige  Givet niveau for fattigdom: ufølsomt over for uligere fattige  Forster, Greer og Thorbecke (1984)  𝑃𝛾 =      1 𝑛 𝑍−𝑌𝑖 𝛾 𝑌𝑖 <𝑍 𝑍 Z: fattigdomsgrænsen γ: etisk parameter, angiver graden af aversion over for fattigdom γ = 0 → andel fattige γ = 1 → fattigdomsgabet (kombineret med andel fattige) γ = 2 → ulighed blandt de fattige også medtaget (i form af CV)  FGT-målene fejrer 30 årsjubilæum, men sjælden anvendelse  Måske fordi de ikke er intuitive…  …men de kan faktisk omskrives til mere intuitive udtryk, om end fortolkningen stadig noget kompliceret i ft head count  P0 → andel fattige  P1 = P0∙G, 𝐺 = 1 𝑘 𝑘 𝑍−𝑌𝑗 𝑗=1 𝑍 (k: antal fattige)  G → indkomstgap blandt fattige  P2 = P0∙G2 + (1-G2)∙U2  U = σ / μ → ulighed blandt fattige (variationskoefficienten)  Men nogle målinger findes der da  EU: opgør faktisk G, men ikke P1  OECD har P1, men den har ikke større bevågenhed  Problemer med at måle indk.bund  Meget små indkomster som ingen kan leve af  0 indkomst  Negative indkomster  bl.a. selvstændige etc.  Dårlige argumenter: udvikl surveys koncentrerende om bund! Afsavn  Done?  Ikke helt … alt er (tilsyneladende) ikke økonomi  Fattigdom er ifølge Townsend (1979) - min oversættelse:  ”Enkeltpersoner, familier og grupper i befolkningen kan siges at leve i fattigdom, når de mangler ressourcer til at opnå den type af kost, deltage i de typer af aktiviteter, og have sådanne levevilkår og faciliteter, som er sædvane, eller i det mindste vidt anerkendte, i de samfund, som de tilhører. Deres ressourcer er så langt under gennemsnittet for personer eller familier, at de er i realiteten udelukkes fra almindelige mønstre, skikke og aktiviteter”.  Men forskellige modifikationer ligner Townsends definition, hvad EU og andre også anser for fattigdom  Ikke-monetær fattigdom  Og dog: det er vel dårlig økonomi, der primært forhindrer deltagelsen…  Relativt fattigdomsforståelse  Multidimensional fattigdom  Operationalisering  Opgør afsavn  Hvilke goder, dvs forbrug af varer/tjenester/aktiviteter, må undværes/undlades af økonomiske årsager? Kilde: Hansen og Hussain (2009)  Med indkomst eller andre unidimensionale velfærds- opgørelser er som vist udviklet brugbare metoder med gode egenskaber  Bliver svært med flere dimensioner foruden man altså accepterer præsentation af mange indikatorer, hvilket dog stadig betyder, at det er svært/umuligt at ranke grupper  Der er gjort nogle forsøg, herunder Alkire og Foster (2010)  Meget udbredt velfærdsmål – rigtigt mange lande  Nu også inkl. i UNDPs Human Development Report i form af the MPI – Multidimensional Poverty Index  Indekset har en del gode egenskaber (Foster går igen!)  Altoverskyggende hovedproblem ved multidimensionale mål  Vægtning af dimensioner er nødvendige for kunne fremstille et enkelt summarisk mål  FOD (first order dominance) metoden undgår vægtning, Arndt et al. (2012) og Hussain et al. (2014):  Ingen vægtning af dimensioner  Princippet er illustreret next…  Metoden kan illustreres med følgende simple eksempel  Antag, at vi har to fordelinger af afsavn, henholdsvis for gruppe A og gruppe B  De to fordelinger kunne repræsentere to lande, det kunne også være det samme land i to forskellige år, eller det kunne eksempelvist være to befolkningsgrupper på samme tid i samme land i samme år  Velfærden i gruppe A vil være højere (altså dominere) velfærden i gruppe B, hvis fordelingen i gruppe B kan genskabes fra gruppe As fordeling ved hypotetisk at flytte en andel af befolkningen (”sandsynlighedsmasse”) fra bedre til dårligere udfald (med udgangspunkt i gruppe As fordeling)  FOD anvendt en del gange…  Danske helbredsdata (Hussain, Jørgensen og Østerdal 2014)  Velfærdsindikatorer i EU-lande (Hussain 2014)  Børnefattigdom i udviklingslande (Arndt et al. 2012)  …men stadig ikke udbredt  Måske fordi det er en teknisk knapt så transparent metode  Linær programmering anvendt til at se om der er FOD  Måske en detaljeret håndbook på området ville hjælpe… Afslutning  Der findes bestemte alternative brugbare fordelingsmål derude  Men det er så som så med anvendelsen  Der er en tendens i retning af at fordelingsanalyser bevæger sig ind på det multidimensionale område  2+ dimensioner er ret meget sværere at håndtere end den enkelte (økonomiske) dimension  Men der er håb forude (FOD!)…